＜学习笔记＞从零开始自学Python-之-常用库篇（十二）Matplotlib

Matplotlib 是Python中类似 MATLAB的绘图工具，Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解决大部分的需要。Matplotlib中最基础的模块是pyplot。

1、Matplotlib绘图的基本流程如下：

2、中文显示问题

Matplotlib默认是不显示中文的，如果要显示中文，可以用指定字体的办法来设定，在程序开头加入以下两句：

import matplotlib as mpl
mpl.rcParams['font.family']='Kaiti'  #设定字体为楷体，当然也可以设为其他字体，只要你电脑里有这个字体就行

windows常用的字体类型如下：

中文	英文
黑体	SimHei
微软雅黑	Microsoft YaHei
微软正黑体	Microsoft JhengHei
新宋体	NSimSun
标楷体	标楷体
楷体	KaiTi
仿宋	FangSong
仿宋_GB2312	FangSong_GB2312
楷体_GB2312	KaiTi_GB2312
细明体	MingLiU

3、基本格式，以plot（画线）为例

3.1 创建一个Figure对象，相当于准备好一个画布

基本语法：plt. figure(figsize, facecolor)，figsize参数可以指定画布大小，像素，单位为英寸。

3.2 画图，即在画板上作画

Matplotlib提供了很多种图形的画法，这里我们以plot(画线)为例，语法如下：

plt.plot(x,y,ls,lw,lable,color) 根据x，y数据绘制直线、曲线、标记点，ls为线型linestyle，lw为线宽linewidth，lable为标签文本内容，color为颜色。

3.3 保存图形

plt.savafig() 保存绘制的图形，可以指定图片的分辨率、边缘的颜色等参数。

plt.show() 在本机显示图形

3.4 完整代码如下：

import matplotlib as mpl             #约定俗成一般把matplotlib简写成 mpl
import matplotlib.pyplot as plt      #约定俗成一般把matplotlib.pyplot简写成 plt

mpl.rcParams['font.family']='Kaiti'          #设定中文字体为楷体
plt.rcParams['axes.unicode_minus']=False     #


plt.figure(figsize=(300,200))      #设定画布大小为300*200

x = [1,2,3,4,5]                    #X轴的数值
y = [2,4,6,8,10]                   #Y轴的数值


plt.plot(x, y, label='第一条线')   #以x,y的数值对应起来画一条直线，即在图上沿着（1,2）（2,4）（3,6）（4,8）（5,10）这5个点画一条直线


plt.xlabel('时间线')            #设定X轴的标签为“时间线”
plt.ylabel('增长值')            #设定Y轴的标签为“增长值”
plt.title('增长折线图')         #设定整个图形的标签为“增长折线图”
plt.legend()                   #设置图表的图例
plt.show()                     #在本机显示图片

显示的图形如下

4、常用的2D图形

4.1 使用plot绘制折线和曲线图

plot除了画直线图外，还可以画折线图和曲线图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False


plt.figure(figsize=(300,200))

x1 = [1,2,3]
y1 = [1,2,3]
plt.plot(x1, y1, label='第一条线')


x2 = [0,1,2,3,4,5]
y2 = [0,3,1,2,3,1]
plt.plot(x2, y2, label='第二条线')



x3 = np.linspace(0, 2*np.pi, 100)
plt.plot(x3, np.sin(x3),'r',label='第三条线')


plt.xlabel('时间线')
plt.ylabel('增长值')
plt.title('plot绘图')
plt.legend()
plt.show()

效果如下：

4.2 使用bar()绘制柱状图

假设用柱状图来展现两个指标进行对比：

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False

import matplotlib.pyplot as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="指标一")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="指标二", color='g'
)
plt.legend()
plt.xlabel('项目')
plt.ylabel('数值')
plt.title('柱状图示意')
plt.show()

得到图形如下：

也可以把数据上下对齐，用不同颜色区分柱子，这样对比效果更明显

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False

x=[1,2,3,4,5]
y1=[5,2,7,8,2]
y2=[8,6,2,5,6]
#将y2列表变为负数得到列表y3
y3=[-y for y in y2]
print(y3)

#设置颜色
plt.bar(x,y1,facecolor='#FFF68F')
plt.bar(x,y3,facecolor="#9999FF")

# 柱状图注释设置
for i, j in zip(x, y1):
    plt.text(i, j, j, ha='center', va='bottom')
for i, j in zip(x, y2):
    plt.text(i, -j, j, ha='center', va='top')

plt.title('数据对比')
plt.show()

效果如下：

4.3 使用bath()绘制条形图

和柱状图比较类似，只不过条形图是横过来的

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False
 
x = np.arange(4)
y = [6,10,4,5]
y1 = [2,6,3,8]
 
bar_width = 0.4
tick_label = ["1月","2月","3月","4月"]
 
plt.barh(x+bar_width,y,bar_width,align="center",color="c",label="项目一",alpha=1)
plt.barh(x,y1,bar_width,align="center",color="b",label="项目二",alpha=1)
plt.yticks(x+bar_width/2,tick_label)
plt.title('条形图')
plt.legend()
plt.show()

得到图形如下：

4.4 使用pie()绘制饼图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False

import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(6, 6)) 
x = [25, 45, 69, 30, 80]
plt.pie(x, autopct='%.2f%%', explode=[0,0.1,0,0,0], shadow=True,labels=list('甲乙丙丁戊'))  

plt.show()

效果如下：

4.5 使用scatter()绘制散点图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

zuobiao1 = np.random.randn(100,2)
zuobiao2 = np.random.randn(100,2)
 
plt.scatter(
            zuobiao1[:,0],
            zuobiao1[:,1],
            s=80,  # 尺寸
            c='green',  # 颜色
            alpha=0.6  # 透明度
) 
plt.scatter(
            zuobiao2[:,0],
            zuobiao2[:,1],
            s=50,  # 尺寸
            c='blue',  # 颜色
            alpha=0.6  # 透明度
) 

plt.show()

效果如下：

5、3D绘图

Matplotlib 已经内置了三维图形，我们需要引入一些模块来实现3D绘图：

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt

使用 axes3d 是因为它需要不同种类的轴域，以便在三维中实际绘制一些东西。

fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')

在这里，我们像通常一样定义图形，然后我们将 ax1 定义为通常的子图，只是这次使用 3D 投影。我们需要这样做，以便提醒 Matplotlib 我们要提供三维数据。现在让我们创建一些 3D 数据：

theta = np.linspace(-2 * np.pi, 2 * np.pi, 100)
x = np.sin(theta)
y = np.cos(theta)
z = np.linspace(0.5, 1.5, 100)

我们绘制一个3D折线图的完整代码

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import style
import numpy as np



style.use('fivethirtyeight')
fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')  #创建3d坐标系
theta = np.linspace(-2 * np.pi, 2 * np.pi, 100)
x = np.sin(theta)
y = np.cos(theta)
z = np.linspace(0.5, 1.5, 100)
ax1.plot(x,y,z)
ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')
plt.show()

绘制的图形如下：

5.2 其他3D图形绘制

5.2.1 散点图

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系

x = np.random.randn(50)
y = np.random.randn(50)
z = np.random.randn(50)
s = np.random.randn(50)*100

#ax3d.scatter(x,y,z)  #绘制3d散点图
#ax3d.scatter(x,y,z,marker=['*','o',...]) #设置不同的点样式
ax3d.scatter(x,y,z,s=s,c=s)  #绘制3d散点图
ax3d.scatter(x,y,-3,zdir='z',c='r') #3d坐标系绘制平面散点

plt.show()

图形如下：

5.2.2 柱状图

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系
np.random.seed(2023)

x = np.arange(5)
y = np.arange(5)
z = np.zeros(5)  #柱子底部坐标
dx=1    #柱子平面宽度
dy=1    #柱子平面深度
dz=np.random.randint(1,15,5)    #柱子高度

ax3d.bar3d(x,y,z,dx,dy,dz)  #绘制3d柱形图

plt.show()

图形如下：

5.2.3 火柴图

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系
np.random.seed(2023)

t=np.linspace(-np.pi,np.pi,50)
x = np.sin(t)
y = np.cos(t)
z = np.linspace(-2,2,50)

ax3d.stem(x,y,z)  #绘制3d火柴图
#ax3d.stem(x,y,z,orientation="x", bottom=-2) #火柴根在yz平面

plt.show()

图形如下

5.2.4 误差图

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系
np.random.seed(2023)

t=np.linspace(-np.pi,np.pi,50)
x = np.sin(t)
y = np.cos(t)
z = np.linspace(-4,4,50)
zerr=np.random.randn(50)

#ax3d.errorbar(x,y,z,zerr,capsize=2)  #只有z方向误差
#ax3d.errorbar(x,y,z,zerr,0.2,0.1,capsize=2)  #同时显示zerr,yerr,xerr，注意是三个误差线
ax3d.errorbar(x,y,z,zerr,capsize=2,errorevery=2) #每两个数据点绘制一个误差线。

plt.show()

图形如下：

5.2.5 网格面

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系

x,y=np.mgrid[-2:2:0.2,-2:2:0.2]
z = x*np.exp(-x**2-y**2)

#ax3d.plot_wireframe(x,y,z)
#ax3d.plot_wireframe(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线
ax3d.plot_wireframe(x,y,z,rcount=10,ccount=12)#设置最大显示线条数

plt.show()

图形如下：

5.2.6 曲面图

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系

x,y=np.mgrid[-3:3:0.2,-3:3:0.2]
z = x*np.exp(-x**2-y**2)

#ax3d.plot_surface(x,y,z)
#ax3d.plot_surface(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线
#ax3d.plot_surface(x,y,z,rcount=16,ccount=18)#设置最大显示线条数
#ax3d.plot_surface(x,y,z,cmap="YlOrRd")
ax3d.plot_surface(x,y,z,cmap="YlOrRd")

plt.show()

图形如下：

5.2.7 非结构化三角网格

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')  #创建3d坐标系
np.random.seed(2023)

x=np.random.randn(200)*2
y=np.random.randn(200)*2
z = x*np.exp(-x**2-y**2)

#ax3d.tricontour(x,y,z)
ax3d.tricontour(x,y,z,levels=10,cmap="coolwarm")
#ax3d.tricontour(x,y,z,zdir='x',levels=10,cmap="coolwarm") #绘制x方向等值线

plt.show()

图形如下：

5.2.8 三维体元素图

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax3d = fig.add_subplot(projection='3d')

#filled为bool类型数组，在True的元素下标位置绘制体元素
i,j,k=np.indices((3,3,3))
filled= (i==j) & (j==k)  #3行3列3层，对角线为True
c=plt.get_cmap('RdBu')(np.linspace(0,1,27)).reshape(3,3,3,4)

#ax3d.voxels(filled)             #filled为True的位置绘制六面体
ax3d.voxels(filled,facecolors=c) #filled为True的位置绘制六面体,并设置颜色

plt.show()

图形如下：

6、数据来源

6.1 从文件加载数据

import matplotlib.pyplot as plt
import csv
import matplotlib as mpl


mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False

x = []
y = []
with open('testData.txt','r') as csvfile:
    plots = csv.reader(csvfile, delimiter=',')
    for row in plots:
        x.append(int(row[0]))
        y.append(int(row[1]))
plt.plot(x,y, label='月销量趋势图')
plt.xlabel('x')
plt.ylabel('y')
plt.title('从文件中加载数据绘图')
plt.legend()
plt.show()

除了CSV 模块，也可以使用 NumPy 模块来加载我们的文件和数据

import matplotlib.pyplot as plt
import numpy as np
x, y = np.loadtxt('testData.txt', delimiter=',', unpack=True)
plt.plot(x,y, label='月销量趋势图')
plt.xlabel('x')
plt.ylabel('y')
plt.title('使用numpy从文件中加载数据绘图')
plt.legend()
plt.show()

6.2 从网络加载数据

我先用自己的服务器定义一个接口，接口回传的数据格式为：

data={'x':[1,2,3,4,5,6],'y':[2,5,8,9,13,19]}

然后我们访问接口，获得数据，再根据数据绘图：

import matplotlib.pyplot as plt
import requests
import matplotlib as mpl

mpl.rcParams['font.family']='Kaiti'
plt.rcParams['axes.unicode_minus']=False


url = '这里是API接口的地址'

def get_data(url):
    
    response = requests.get(url)  
    data = response.json()  

    x=data['x']
    y=data['y']

    return x,y


x,y=get_data()


plt.plot(x,y, label='走势图')
plt.xlabel('x')
plt.ylabel('y')
plt.title('使用从网络接口获得的数据')
plt.legend()
plt.show()

最后图形如下：